论文标题：

Ada-Ranker: A Data Distribution Adaptive Ranking Paradigm for Sequential Recommendation

论文地址：

https://arxiv.org/pdf/2205.10775.pdf

代码：

https://github.com/RUCAIBox/Ada-Ranker

现在主流的排序模型设计和使用方式是：离线训练模型，冻结参数，并将其部署到在线服务。但是实际上，候选商品是由特定的用户请求决定的，其中潜在的分布（例如，不同类别的商品比例，流行度或新商品的比例）在生产环境中彼此之间存在很大差异。经典的参数冻结推理方式无法适应动态服务环境，使得排序模型的表现受到影响。

本文提出了一种新的训练和推理范式，称为 Ada-Ranker，以应对动态在线服务的挑战。Ada-Ranker 可以根据当前候选商品组的数据分布自适应地调整排序模型ranker的参数，而不是使用参数冻结模型进行通用服务。首先从候选项目中提取分布模式。然后，通过模式调整ranker，使ranker适应当前的数据分布。最后，使用修改后的ranker对候选列表进行评分。

内容中包含的图片若涉及版权问题，请及时与我们联系删除